双模狩猎的灰狼优化算法在多阈值图像分割中应用

• 作者: 康强 张新明 涂强 程金凤
• 来源期刊: 山西大学学报（自然科学版）
• 学科: 工学
• 关键词: 智能优化算法 灰狼优化算法 双模狩猎 图像分割 多阈值图像分割
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 第六届中国数据挖掘会议论文选登
• 页码范围: 378-385
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.13451/j.cnki.shanxi.univ(nat.sci.).2016.03.006

摘要

针对传统多阈值法存在阈值选择不准确、分割速度慢以及原始灰狼优化(Grey Wolf Optimization,GWO)算法易陷入局部最优等问题,提出了一种基于双模狩猎的灰狼优化算法(GWO with Double-hunting Modes,DMG-WO)的多阈值图像分割方法.基于对自然界中狼群狩猎行为的深度模拟,将原始GWO算法看作定向狩猎模式,增加了不定向狩猎模式,并通过引入集体狩猎考虑概率来控制选择狼群的狩猎模式,以不定向狩猎模式来增加算法的随机性,迫使狼群不断探索新区域,有效提高了算法的全局寻优性能;同时引入贪婪选择算子以确保种群的进化方向,大大提高了算法的搜索效率;最后,将DMGWO算法应用于最大熵多阈值图像分割中.图像分割实验结果表明:与DMPSO、BBO、BFO及GWO算法相比,该方法寻优速度更快、鲁棒性更强、寻优质量更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张新明	河南师范大学计算机与信息工程学院	68	922	13.0	28.0
5	涂强	河南师范大学计算机与信息工程学院	13	105	7.0	10.0
6	康强	河南师范大学计算机与信息工程学院	15	90	6.0	8.0
7	程金凤	河南师范大学计算机与信息工程学院	12	79	5.0	8.0